Среда разработки и моделирования MATLAB и пакет Neural Network Toolbox

ВВЕДЕНИЕ 4
1. НЕЙРОННЫЕ СЕТИ И ИХ ПРИМЕНЕНИЕ ДЛЯ ОЦЕНКИ И РЕШЕНИЯ ЗАДАЧ КЛАССИФИКАЦИИ 7
1.1. Общие понятия нейронных сетей 7
1.1.1. Развитие теории искусственных нейронных сетей на основе биологического нейрона 7
1.1.2. Простейшая модель искусственного нейрона 9
1.1.3. Обучение нейронных сетей 13
1.2. Среда разработки и моделирования MATLAB и пакет Neural Network Toolbox 22
1.3. Задачи классификации 24
1.3.1. Основные понятия и принциип постановки задач классификации 24
1.3.2. Общий алгоритм построения классификатора на основе нейронных сетей 28
2. ОЦЕНКА КРЕДИТОСПОСОБНОСТИ ЗАЕМЩИКА С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ 30
2.1. Подготовка данных для анализа 30
2.1.1. Информационное обеспечение для расчетов 30
2.1.2. Программное обеспечение для работы с нейронными сетями 30
2.1.3. Подготовка исходных данных и выбор метода анализа 30
2.2. Постановка задачи определения класса кредитоспособности заемщика с использованием методики Сбербанка 31
2.2.1. Алгоритм методики Сбербанка для решения задачи классификации кредитоспособности заемщиков 31
2.2.2. Модель задачи классификации кредитоспособности 35
2.3. Построение классификатора на основе нейронных сетей в MATLAB 37
2.3.1. Количественный анализ финансового состояния заемщика в Excel 37
2.3.2. Составление классификатора в MATLAB 38
3. ОЦЕНКА И УПРАВЛЕНИЕ УРОВНЕМ ЖИЗНИ РЕГИОНОВ РОССИИ С ИСПОЛЬЗОВАНИЕМ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ 44
3.1. Оценка уровня социально-экономического развития регионов 44
3.2. Обобщенная формулировка задачи оценки уровня социально-экономического развития 47
3.3. Экспертная оценка значимости показателей методом парных сравнений 49
3.4. Нейросетевая оценка рейтинга регионов 55
3.5. Результаты моделирования рейтинга 57
3.6. Описание аппроксиматора для моделирования зависимости между показателями и рейтингом региона. 57
ЗАКЛЮЧЕНИЕ 71
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 72
ПРИЛОЖЕНИЯ 75

Весь текст будет доступен после покупки

В век информационный технологий довольно сложно не пытаться применить их ко всему вокруг для попыток узнать суть происходящих процессов человеческой жизнедеятельности и оптимизировать их. Сейчас созданы тысячи программ, каждая из которых может применяться только к какой-то определенной рассматриваемой сфере. Отсюда вытекает проблема создания некой универсальной программы или методики оценки и анализа различных процессов. Одним из решений такой проблемы может являться создание и разработка искусственных нейронных сетей.
Эта сфера в науке достаточно молода и малоизучена по сравнению со всеми остальными, но она так же является самой многообещающей, поскольку способна на корню изменить и оптимизировать человеческую жизнь. Понятие ИНС основано на попытках моделирования работы человеческого мозга и процессов, протекающих в нем. Ученые, которые работают над созданием нейронных сетей, говорят, что до сих пор искусственный интеллект для них является неким «черным ящиком». ИИ хорошо обрабатывает данные и даже способен создавать совершенно новую информацию, при этом, не выходя за рамки поставленной задачи.
Сегодня нейронные сети уже научились распознавать речь, изображения, умеют играть в самые сложные игры и выполняют рутинную работу лучше, чем человек. Алгоритм уже нашел применение в чат-ботах, колл-центрах, в системах обработки писем и обращений.

Весь текст будет доступен после покупки

1. НЕЙРОННЫЕ СЕТИ И ИХ ПРИМЕНЕНИЕ ДЛЯ ОЦЕНКИ И РЕШЕНИЯ ЗАДАЧ КЛАССИФИКАЦИИ
1.1. Общие понятия нейронных сетей
1.1.1. Развитие теории искусственных нейронных сетей на основе биологического нейрона
Тысячи лет человек старается изучить тонкие механизмы работы мозга и мышления в целом. С появлением современных электронных и цифровых технологий, начались попытки аппаратного воссоздания процесса мышления. В 1943 г. с выходом статьи нейрофизиолога Уоррена Маккалоха (Warren Mc Culloch) и математика Уолтера Питтса (Walter Pitts) о работе искусственных нейронов и представлении модели нейронной сети на электрических схемах была сделан первый шаг на пути к поставленной задаче.
Сегодня, дискуссии о нейронных сетях проходят повсеместно. Огромная перспектива их использования виднектся достаточно яркой и является ключом к целой технологии будущего. Исследования направлены на программные и аппаратные реализации нейросетей. Многие компании работают над созданием трех основных типов нейрочипов: цифровых, аналоговых и оптических, которые обещают быть волной близкого будущего.
Искусственные нейронные сети (ИНС) – это такой тип математических моделей, которые основываются на принципе организации и функционирования своих биологических аналогов – нейронов мозга. В основе их построения лежит идея о том, что биологические нейроны можно моделировать так называемыми, искусственными нейронами, а вся сложность мозга, гибкость его функционирования и другие важные качества определяются связями между ними. После разработки алгоритмов машинного обучения, получаемые модели стали использовать в практических целях: в задачах прогнозирования, в задачах распознавания образов и др. [1]

Весь текст будет доступен после покупки

1. Медведев В.С., Потемкин В.Г. «Нейронные сети. MATLAB 6», «ДИЛОГ- МИФИ», 2002 г. 496 с.
2. Терехов, С.А. Лекции по теории и приложениям искусственных нейронных сетей: Электронное издание / С.А. Терехов. — Снежинск: ВНИИТФ, 1998.
3. Искусственные нейронные сети: архитектуры, обучение, применения Учебное пособие / Е.В. Бодянский, О.Г. Руденко. — Харьков: Телетех, 2004. — 369 с.
4. Регламент предоставления кредитов юридическим лицам Сбербанком России и его филиалами от 30 июня 2006 г. №285-5-р.
5. Применение искусственных нейронных сетей для анализа кредитоспособности организаций / А.И. Жданов, А.В. Кузнецов, О.А. Кузнецова. – Самара: СГАКУ, 2006
6. Ткачев А.Н., Хубаев Г.Н., Лобова Т.В. Экспертно-регрессионные методы оценки и моделирования уровня жизни населения регионов: монография / Южно-Российский государственный политехнический университет (НПИ) имени М.И. Платова. – Новочеркасск: ЮРГПУ(НПИ), 2018. – 124 с.
7. Курнышев В.В., Глушкова В.В. Региональная экономика. Основы теории и методы исследования. – М.: КНОРУС, 2016. – 280 с.
8. Лимонов Л.Э., Жихоревич Б.С., Одинг Н.О., Русецкая О.В. Региональное управление и территориальное развитие. Т.2. – М.: Издательство Юрайт, 2016. – 460 с.

Весь текст будет доступен после покупки